Suche und Lernen im Immunsystem: Modelle der T-Zell-Zirkulation und der Negativauslese

Abstract

Das Immunsystem ist ein hochkomplexes verteiltes System, das größtenteils aus multifunktionalen und stets mobilen Zellen besteht. Viele wichtige immunologische Vorgänge sind bis heute nur unzureichend verstanden. In den letzten Jahren wurden durch die Entwicklung neuer Technologien wie der Multiphotonenmikroskopie neuartige und reichhaltige Daten gewonnen. Um aus diesen Daten fundierte Erkenntnisse zu gewinnen, werden in der modernen Immunologie zunehmend Computersimulationen und mathematische Modelle eingesetzt. Diese Arbeit befasst sich zum Einen mit der Überwachung des Organismus durch zirkulierende T-Zellen, diealsstochastischer Suchprozess modelliert wird, und zum Anderen mit der Generierung von T-Zell- Rezeptoren durch die sogenannte Negativauslese, die als stochastischer Lernprozess modelliert wird. Beide Modelle werden anhand formaler Methoden aus der theoretischen Informatik untersucht, um ein tieferes Verständnis informationsverarbeitender und stochastischer Aspekte der modellierten Prozesse zu erlangen. Zudem werden aus den Modellen quantitative Vorhersagen generiert, die anhand experimenteller Daten validiert werden. Der Erkenntnisgewinn dieser formalen und quantitativen Analysen wird im Kontext aktueller immunologischer Forschung diskutiert und bewertet. Unter Anderem gelingt es, durch das stochastische Zirkulationsmodell eine Vielzahl bisher isolierter experimenteller Daten quantitativ in Beziehung zu setzen, während das algorithmische Modell der Negativauslese die aktuell besten Vorhersagen zur Erkennung von HIV-Peptiden durch sogenannte CD8-T-Zellen liefert.